蘋果13日淩晨釋出了本年度最重量級的産品——iPhone X (iPhone 10）。這款用人臉識别進行解鎖的新iPhone 可能是蘋果AI屬性最強的一個産品了。在釋出會現場，蘋果介紹了A11生物神經網絡引擎”這一AI晶片，近期，以智能手機為主的終端裝置定制晶片已經形成一種新的趨勢，我們将在文章中進行重點介紹。另外，本文也會介紹蘋果在人工智能上的實力儲備情況：主要從四篇經典論文談起。
中原標準時間9月13日淩晨，蘋果在新的總部召開釋出會，釋出新的智能手表、電視和手機等一系列新産品。這是最受科技界關注的釋出會之一。
今年的蘋果新品釋出會首次在蘋果新總部的史蒂夫•喬布斯劇院舉行，蘋果CEO蒂姆•庫克在釋出會的介紹中，重申了喬布斯精神。本次釋出會最受關注的便是蘋果的新手機，傳說中的iPhone8，令人驚喜的是，蘋果本次釋出會帶來了最最重量級的智能手機——iPhone X （蘋果10）。增加了人臉識别解鎖Face ID的這款新手機，應該是迄今為止這家最受關注的智能手機生産商推出的最AI的一部手機了。
首先，這是一部全螢幕的、沒有Home鍵的iPhone，支援無線充電。
iPhone X 最值得關注的一點便是通過人臉識别進行解鎖，這在蘋果釋出會之前就已經傳得沸沸揚揚的功能終于得到了确認。
蘋果人臉識别解鎖9大特征
根據蘋果在釋出會現場的介紹，蘋果的人臉識别解鎖Face ID包含了9大特點：
人臉驗證 （Face authentication）
TrueDepth 攝像頭
驗證簡便
專門的神經網絡
自然和安全
使用者隐私
注意力察覺
自适應性
Apple Pay和其他應用的綁定
根據官網的介紹，Face ID 功能通過原深感攝像頭來實作，設定起來也非常簡單。它會投射超過 30,000 個肉眼不可見的光點，并對它們進行分析，為你的臉部繪制精确細緻的深度圖。
詳細來看，在安全上，蘋果自稱，他們人臉識别的錯誤率是百萬分之一。另外，資料的處理都是在裝置上進行的，解鎖是會通過識别使用者的注意力來進行判斷。
具體可以再看一下另一大特點：TrueDepth 攝像頭
技術核心：蘋果 A11 和 A11 Bionic 晶片
據介紹，iPhone X 将采用定制的晶片來處理人工智能工作負載。這是一個雙核的“A11生物神經網絡引擎”（A11 bionic neural engine）晶片，每秒運算次數最高可達6000億次。
該晶片賦能的最重要的事情就是使 Face ID 身份認證功能能夠快速識别人臉，進而解鎖 iPhone X 或進行購物。
這個消息并不出乎意外。早在今年5月，彭博就曾經報道，蘋果公司正在為iPhone開發AI晶片，但不清楚該晶片是否已經準備好可以用在今年最新的iPhone産品上。
而且，晶片走向定制化，以滿足AI軟體的需求，在行業中已經變成一股新的大趨勢。 Alphabet的谷歌已經設計了兩代晶片來處理資料中心的AI計算工作負載。 微軟也為未來版本的HoloLens混合現實頭盔開發了一款AI晶片。
在iPhone上安裝新的專用晶片意味着主晶片的工作量将會減少，進而提高電池壽命。 否則，例如，通過手機攝像頭進行物體識别同時進行視訊錄制時，可能會迅速地将電池消耗完。
此外，在不久的将來， iPhone以外的更多移動裝置都可能包含針對AI的處理器。
Burke 在今年的谷歌 I/O 會議上曾說：“随着時間推移，我們預計會看到專門為神經網絡的推理和訓練設計的DSP（digital signal processors，數字信号處理器）的出現。”
雖然今天的消息肯定會占滿新聞頭條，但蘋果其實以前就已将AI用途的晶片置于iPhone中。iPhone 7就包含有一個FPGA，這是英特爾和微軟為加速AI任務進行探索的。據福布斯報道，在iPhone7之前蘋果沒有在iPhone中使用過FPGA。
蘋果對于晶片開發并不陌生。蘋果已經在它的 iOS 裝置上對其A系列處理器給予重視，并且在智能手機上專門使用了某些計算類型的元件。
本次釋出會上對此前蘋果一直重視和宣傳的 Siri 着墨甚少，并且在最新的iPhone上，還特别強調，沒有了Home鍵以後，可以通過手機側面的按鈕喚醒Siri。此前，Siri的一個宣傳點難道不是直接語音喚醒，不需觸碰控制嗎？
最後看一眼價格：999美元，起。
蘋果第一篇公開的人工智能論文：關于人臉識别，CVPR 2017最佳論文
蘋果在7月20日推出名為 Apple Machine Learning Journal 的新研究部落格，對蘋果來說，做一個專門介紹他們的人工智能研究論文的部落格還是挺新鮮的，因為蘋果通常不會公開談論他們的研究項目。
該部落格發表的第一篇文章是關于如何将合成的圖像變得更逼真，以用于訓練神經網絡。這也是蘋果于去年年底在arXiv釋出的第一篇AI論文“Learning from Simulated and Unsupervised Images through Adversarial Training”的介紹，這篇論文在 CVPR 2017 獲得 best paper。
根據這篇文章，蘋果要訓練神經網絡來檢測照片上的人臉和其他物體。但蘋果的方法不是制造擁有數百萬計圖像樣本的巨大的資料集來訓練神經網絡，而是建立由計算機生成的人物的合成圖像，并應用一個過濾器使這些合成圖像更逼真。這比一般的方法訓練神經網絡的成本更低，而且速度更快。
在機器學習研究中，使用計算機生成的圖像（例如電子遊戲中的）訓練神經網絡比使用現實世界的圖像更高效。因為生成的圖像資料都是有标簽和注釋的，而真實圖檔的資料需要耗費人力标注計算機所看的東西，告訴它這是一棵樹，一隻狗，一輛自行車等等。但是生成圖檔的方法也有問題，因為這讓算法所學到的東西并不總是能無縫轉移到真實場景。生成圖檔的資料“常常不那麼真實，導緻神經網絡隻學習生成圖檔的細節，卻無法在真實圖檔上很好地遷移。”蘋果的論文如是說。
論文中用于舉例的“未标注的真實圖像”、“合成的圖像”、“精細化的圖像”等都是人的眼睛圖檔，或許，iPhone X 的 Face ID 新功能正是有利用這一方法，以及更多蘋果沒有公開的研究成果？
模型使用未标注的真實資料，利用模拟器改善合成的圖像的真實性，同時保留注釋資訊。
更聰明的Siri
蘋果機器學習部落格接着在8月連着發表3篇來自 Siri 團隊的技術文章，分别是：
通過跨帶寬和跨語言初始化改進神經網絡聲學模型（Improving Neural Network Acoustic Models by Cross-bandwidth and Cross-lingual Initialization）
反文本歸一化作為标簽問題（Inverse Text Normalization as a Labeling Problem）
Siri聲音的深度學習：為混合單元選擇合成的裝置上深度混合密度模型（Deep Learning for Siri’s Voice: On-device Deep Mixture Density Networks for Hybrid Unit Selection Synthesis）
三篇文章題目看起來都非常高深，介紹了 Siri 背後的技術進步。其中第一篇文章讨論利用聲學模型資料的遷移學習技術，以顯著提升新的語言版本Siri的精确度，讓Siri支援更多語言；第二篇介紹Siri如何利用機器學習格式化地顯示日期、時間、地點等。第三篇則更綜合地介紹Siri聲音的進化，探讨如何利用深度學習讓Siri更會說話。
具體來說，Siri在2014年中推出一個新的語音識别引擎，使用深度神經網絡（DNN）。先是用于美國英語，到2015年中擴充到13種語言。為了順利擴充到其他語言，蘋果研究人員需要使用有限的轉錄資料（transcribed data）來解決建構高品質的聲學模型的問題。他們提出使用帶限（band-limit）相對更多、更易于收集的寬帶音頻來解決較少量的窄帶藍牙音頻問題。他們在遷移學習架構之上使用了神經網絡初始化。
圖：在窄帶藍牙測試上的詞錯率
圖：跨語言初始化
另一值得一提的是Siri的文本轉語音（TTS）系統：
從 iOS 9 到 iOS 11，Siri的聲音對比
原文釋出時間為：2017-09-13
作者：劉小芹 胡祥傑
本文來自雲栖社群合作夥伴新智元，了解相關資訊可以關注“AI_era”微信公衆号
<a href="https://mp.weixin.qq.com/s/kttLjl7DDxB0XVE97pmv_Q">原文連結</a>